Project Icon

cvt-13

融合CNN和ViT优势的创新图像分类模型

CvT-13是一款结合卷积神经网络(CNN)和视觉变换器(ViT)优势的图像分类模型。该模型在ImageNet-1k数据集上预训练,可处理224x224分辨率图像。CvT-13融合了CNN的局部特征提取和ViT的全局建模能力,在图像分类任务中表现出色。研究者可通过Hugging Face的transformers库轻松应用此模型于不同的图像分类项目中。

xcit_nano_12_p8_224.fb_in1k - 基于跨协方差转换器的轻量级图像分类模型
GithubHuggingfaceImageNet图像分类开源项目模型深度学习神经网络计算机视觉
xcit_nano_12_p8_224.fb_in1k采用跨协方差图像转换器(XCiT)架构,是一个参数量为3.0M的轻量级图像分类模型。模型在ImageNet-1k数据集上完成预训练,支持224x224尺寸的图像输入,可应用于图像分类和特征提取。模型通过跨协方差注意力机制降低计算复杂度,适合实际部署应用。
vit-gpt2-image-captioning - ViT-GPT2结合的智能图像描述生成模型
GithubHuggingfacetransformers图像描述开源项目模型深度学习自然语言处理计算机视觉
vit-gpt2-image-captioning是一个结合视觉Transformer和GPT-2的图像描述生成模型。该模型能准确识别图像内容并生成对应文本描述,支持多种图像输入方式,易于集成应用。项目提供简单使用示例和Transformers pipeline部署方法,为开发者提供了实用的开源图像描述解决方案。
convnext-tiny-224 - 高效图像分类 ConvNeXT卷积神经网络的新突破
ConvNeXTGithubHuggingfaceImageNetResNetVision Transformers图像分类开源项目模型
ConvNeXT是一款卷积模型,具有优于Vision Transformers的表现。设计灵感源于Swin Transformer,并对ResNet进行了现代化调整,专注于图像分类。ConvNeXT-tiny-224在ImageNet-1k数据集训练后,提供高效的分类能力。模型集线器提供适用不同任务的微调版本。
vit_small_patch14_dinov2.lvd142m - 基于Vision Transformer的自监督图像特征提取模型
DINOv2GithubHuggingfaceVision Transformertimm图像分类开源项目模型特征提取
这是一个基于Vision Transformer架构的图像特征提取模型。该模型采用DINOv2自监督学习方法,在LVD-142M数据集上预训练,拥有2210万参数,支持处理518x518尺寸的图像。模型可应用于图像分类和特征提取任务,并提供了相关的使用示例代码。作为一个无监督学习的视觉模型,它能够提取稳健的图像特征表示。
samvit_base_patch16.sa1b - 高效的图像特征提取与分类工具
GithubHuggingfaceVision Transformersamvit_base_patch16.sa1b图像分类图像特征提取开源项目模型预训练
Segment-Anything Vision Transformer(SAM ViT)模型专注于图像特征提取与分类,不含分割头。使用MAE权重进行初始化,并通过SA-1B数据集的预训练,展示出89.7M的参数量及486.4 GMACs的计算性能,适宜处理1024x1024图像。Python代码示例提供了图像分类与嵌入应用方式,用户可通过timm库使用预训练模型‘samvit_base_patch16.sa1b’以提升图像分析效率。
vit_base_patch16_224.augreg2_in21k_ft_in1k - 高性能Vision Transformer图像分类与特征提取模型
GithubHuggingfaceImageNetVision Transformerpytorch-image-modelstimm图像分类开源项目模型
该模型基于Vision Transformer架构,在ImageNet-21k上预训练并在ImageNet-1k上微调,采用额外的数据增强和正则化技术。适用于图像分类和特征提取,具有8660万参数,支持224x224输入尺寸。模型在性能和效率间取得平衡,可满足多样化的计算机视觉任务需求。
dino-vits8 - 采用DINO训练的自监督Vision Transformer模型
DINOGithubHuggingfaceVision Transformer图像分类开源项目模型自监督学习预训练
小型Vision Transformer模型使用DINO自监督方法训练,专为ImageNet-1k数据集预训练。模型通过8x8像素的固定大小图像块输入,用于图像表征,无需微调便可用于图像分类任务。ViT模型适合下游任务的特征提取,并可通过线性层进行分类。用户可在Hugging Face上找到适合特定任务的微调版本。
vit_large_patch14_reg4_dinov2.lvd142m - 带寄存器的视觉Transformer模型用于图像特征提取
DINOv2GithubHuggingfaceVision Transformertimm图像分类开源项目模型特征提取
vit_large_patch14_reg4_dinov2.lvd142m是一个带寄存器的视觉Transformer模型,在LVD-142M数据集上使用自监督DINOv2方法预训练。该模型具有3.044亿参数,可处理518x518大小的图像,适用于图像分类和特征提取任务。它结合了ViT和DINOv2技术,为计算机视觉应用提供了高效的解决方案。
dino-vitb16 - DINO训练的ViT模型在图像识别中的应用
DINOGithubHuggingface图像分类开源项目模型特征提取自监督学习视觉Transformer
DINO-ViTB16是一个基于视觉Transformer的自监督学习模型,在ImageNet-1k数据集上预训练。它将图像分割为16x16像素的patch序列,通过Transformer编码器处理,可捕获图像的内部表示。该模型适用于图像分类等多种计算机视觉任务,通过在[CLS] token上添加线性层即可实现。DINO-ViTB16展示了自监督学习在视觉领域的巨大潜力,为图像处理提供了新的解决方案。
levit_128.fb_dist_in1k - LeViT-128 轻量级卷积视觉Transformer实现快速图像分类
GithubHuggingfaceImageNet-1kLeViT图像分类开源项目模型模型比较预训练模型
levit_128.fb_dist_in1k是基于LeViT架构的轻量级图像分类模型,采用卷积模式实现。该模型在ImageNet-1k数据集上经过预训练和蒸馏,拥有920万参数,处理224x224尺寸图像。在0.4 GMACs计算量下实现78.474%的Top-1准确率,体现了高效能与低复杂度的平衡。模型可用于图像分类和特征提取,适合需要快速推理的视觉任务。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号